改进的Chan-粒子滤波算法超宽带室内三维定位

针对超宽带室内定位时容易受到非视距误差的影响,导致定位精度大大下降,甚至无法准确定位的问题,提出了一种融合粒子滤波的改进Chan定位新方法。首先,在Chan定位方法中引入模拟退火算法,对到达时间差(TDOA)算法的测量值进行优化,获得初步定位的最优解;然后,采用粒子滤波对测量值进行再次优化,粒子重采样后得到的中心位置即为目标节点的精确位置。仿真和实验结果均表明,该算法能有效提高在非视距环境下超宽带室内定位的精度,较好地消除非视距误差的干扰。     

基于最优基站选择的超宽带和惯导融合定位方法

为提高基于超宽带的室内定位精度,设计了一种超宽带和惯性导航组融合定位方法.首先,采用基于改进马氏距离的异常值检测方法对超宽带测距过程中的异常值进行了剔除;然后,采用紧耦合滤波以超宽带测距值作为扩展Kalman滤波观测量,以惯性导航的位姿信息作为扩展Kalman滤波预测量,通过超宽带测距来不断校正惯性导航解算的数据融合定...     

智能反射面定位发展现状及其在非视距定位中的应用

在未来的通信网络中,复杂的信道环境是制约定位性能的主要因素之一。智能反射面是近年提出的一种具有特殊电磁特性的人工二维表面,可以控制电磁波的吸收、反射与折射特性,从而实现对信道的调控,具有广阔的应用前景。首先介绍了该技术的发展现状,从智能反射面的电磁特性及其在通信定位中的应用等方面归纳分析了其现阶段的研究成果,然后针对非视距应用提出了一种基于智能反射面的定位方法。通过仿真验证了该方法的有效性,在不同的发射功率下均实现了定位误差降低50%以上,并且提高了定位鲁棒性,实现了对波束盲区的覆盖。最后,从新型定位场景、通信技术结合、资源分配和人工智能应用4个角度,对智能反射面定位技术的研究进行了展望。     

一种非视距信号环境下智能手机速度平滑定位方法CSCD

随着智能手机的普及,基于智能手机的位置服务深刻地影响了人们的生活。通常,智能手机内嵌有全球导航卫星系统(GNSS)芯片,通过跟踪导航卫星信号获得载波频率、载波相位和码相位信息,从而解算位置和速度信息。对于单点定位(SPP)技术而言,位置主要由码相位计算确定,而速度信息主要由载波多普勒频移信息计算确定。在复杂城市环境下,GNSS信号可能会被周围的建筑物反射,形成非视距(NLOS)信号。NLOS信号会导致额外的传输路径,并引起数十米的位置误差。由于速度比位置更精确,通常使用卡尔曼滤波器(KF)进行基于位置-速度(P-V)动态模型的位置平滑。提出了一种因子图优化(FGO)方法来减少NLOS引起的位置误差,将时间相关历史测量值添加到FGO中以优化当前位置估计,并采用两种鲁棒策略来减小NLOS条件下的位置偏差。最后,使用智能手机采集实际场景数据集进行了实验,结果表明FGO方法在速度辅助下可以获得更好的定位结果。     

一种基于神经网络的飞机载荷参数识别方法

提出一种经遗传算法优化的Kalman滤波神经网络(GA-KFNN)方法,对飞机特定机动下的载荷进行参数识别.首先,构建Kalman滤波神经网络(KFNN),设计了相关改进算法抑制滤波发散,提高了网络的预测精度和抗噪能力;其次,利用遗传算法(GA)优化KFNN的相关参数,使网络能迅速收敛,提高了运算效率.载荷识别结果显示,改进和优化后的GA-KFNN运行稳定,收敛迅速,具有良好的识别精度和泛化能力,满足工程实际需求.     

基于深度神经网络的机器人定位误差补偿方法

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用。为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法。首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO–DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比。试验结果表明,基于GPSO–DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57%。该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度。     

基于UWB/SINS组合的行人导航研究

在特殊环境下全球定位系统(GPS)信号强度被严重削弱,此时基于GPS技术的导航设备将受到严重影响。针对不依赖GPS的行人导航定位需求,提出了一种基于微机电捷联惯导系统(SINS)与超宽带(UWB)定位系统相结合的行人导航方法。该系统由捷联惯导系统与超宽带定位系统组成,行人导航算法在传统的捷联算法的基础上引入了零速修正技术用于检测零速时刻,并使用阈值法剔除了超宽带错误信息,通过联邦Kalman滤波融合了零速、位置和航向信息,并对系统速度、位置、航向进行了校正。行人导航实验表明,该方法能够提升系统定位精度,并进一步加强系统的稳定性与可靠性。     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

基于神经网络算法的GH4169插铣刀具寿命预测研究

为了研究GH4169插铣加工中切削参数对刀具寿命的影响规律,延长刀具使用寿命,设计了GH4169插铣参数与刀具寿命之间的正交试验。基于正交试验获得的样本数据,利用径向基函数神经网络和反向传播神经网络分别建立了GH4169插铣刀具寿命的预测模型,并对模型进行了训练、测试与验证。该方法可为GH4169插铣刀具寿命模型的建立,工艺参数的优选提供依据。     

神经网络在经济预测中的应用

阐述了针对BP神经网络在经济预测应用中存在的网络学习速度缓慢、计算量大、网络容易陷入局部极小、学习步长需要通过实验由人工来设置和调整等问题,提出将自组织理论、扩展Kalman滤波、模糊算法、小波理论等与神经网络相结合,构成新的网络结构或改进学习算法,以克服BP神经网络自身不足的思路。     

带BP神经网络的卡尔曼滤波算法在GPS/SINS组合导航系统中的应用

针对带权值调整的Kalman滤波器,运用L-M的BP算法,将BP神经网络嵌入该滤波器中,与BP神经网络滤波器相比,减小了层数,提高了网络训练速度及精度。以GPS/SINS组合导航系统为例进行了仿真,结果既能抑制滤波发散,又能提高滤波精度。     

基于MEMS/UWB组合的室内定位方法

在深入研究超宽带（UWB）与车载低成本MEMS的定位原理和算法的基础上,提出了采用UWB辅助MEMS定位的算法,以抑制MEMS的发散并提高定位精度。设计了两者的融合定位算法,完成了基于MEMS/UWB的室内定位技术研究。最终试验运动253.4m,MEMS定位误差小于0.61m,MEMS/UWB融合定位误差小于0.07m。试验结果表明,MEMS/UWB算法与单独的MEMS定位算法相比,有效地提高了定位精度与定位稳定性。     

基于神经网络的INS/SAR组合导航航迹状态估计算法研究

实现对已选航迹上的状态估计对于航迹规划有重要的指导意义,在干扰大的外界环境中,常规的卡尔曼滤波方法对组合导航航迹状态估计的精度已经不能满足要求,为此本文提出了采用BP神经网络用于组合导航的航迹状态估计。重点描述了BP网络用于航迹状态估计的设计方法,对训练样本的获得以及网络结构的选择给予了详细的介绍。最后结合INS/SAR组合导航的特点,分别采用常规卡尔曼滤波和BP神经网络进行航迹状态估计,仿真结果表明了该方法的有效性和实用性。     

基于人工神经网络的磁航向误差校正方法

介绍了前馈神经网络的特点和基于递推预报误差(RPE)的训练算法,利用前馈神经网络对某航向同步传输系统的磁航向误差进行了校正,并给出了实验结果.     

一种改造的SINS误差模型在精对准中的应用

针对捷联惯导系统原始的静态误差模型航向角误差不可观测的情况,本文提出了一种改造的静态误差模型.该模型在原始模型的基础之上,通过能观测性结构分解以及状态变换转化而来.理论分析表明经改造后的误差模型可从一定程度上解决航向角误差不可观测的问题.利用该模型对某型号车载激光捷联惯组作卡尔曼滤波精对准实验,并对比参数辨识精对准的结...     

INS/SAR组合定位技术研究

主要研究了INS/SAR组合对运动目标的定位算法。首先,建立了INS/SAR组合定位系统数学模型;其次,基于卡尔曼滤波方法和alpha-beta滤波方法完成了INS/SAR组合定位算法设计;最后,考虑组合导航系统误差及导引头测量误差,对定位算法进行了数字仿真及性能分析。仿真结果表明,所设计的INS/SAR组合定位算法在远距对运动目标具有较高的定位精度。     

BP神经网络在惯导系统传递对准中的应用

针对系统阶次较高时卡尔曼滤波实时性较差的特点,将多层BP神经网络替代卡尔曼滤波应用于舰载机惯导系统的传递对准。利用卡尔曼滤波的输入、输出作为BP神经网络滤波的样本对值进行训练,得到了神经网络的输出值,实现了惯导传递对准中的滤波功能。仿真结果表明,将BP神经网络用于传递对准,既获得了与卡尔曼滤波相当的精度,又有效地降低了系统的解算时间,提高了系统的实时性。     

基于无味卡尔曼滤波的飞机防滑刹车模糊神经网络控制

根据对飞机刹车过程动力学分析与建模,本文提出了一种基于无味卡尔曼滤波(UKF)的模糊神经网络控制律。本控制律结合了无味卡尔曼滤波对机体速度的良好估计效果和模糊神经网络控制器对不同系统参数的适应能力,能够很好完成对最佳滑移率的追踪任务。Matlab仿真试验结果显示,基于无味卡尔曼滤波的模糊神经网络控制器可以准确的估计飞机滑跑时的速度,改善飞机防滑刹车系统性能,提高刹车效率。